HiVAE: 用于可扩展心智理论的层次型潜在变量
机器学习
2026-02-20 v1 人工智能
摘要
心智理论(ToM)使 AI 系统能够推断代理人的隐藏目标和心理状态，但现有方法主要关注小型人类可理解的网格世界空间。我们引入 HiVAE，一种层次变分架构，将 ToM 推理扩展到真实的时空域。灵感来自人类认知中信念-欲望-意图结构，我们的三级 VAE 层次结构在 3,185 节点的校园导航任务中实现了显著的性能提升。然而，我们识别出一个关键局限性：尽管我们的层次结构改进了预测，但学习到的潜在表示缺乏对实际心理状态的显式 grounding。我们提出了自监督对齐策略，并本工作旨在 solicit 社区反馈关于 grounding 方法。
引用
@article{arxiv.2602.16826,
title = {HiVAE: Hierarchical Latent Variables for Scalable Theory of Mind},
author = {Nigel Doering and Rahath Malladi and Arshia Sangwan and David Danks and Tauhidur Rahman},
journal= {arXiv preprint arXiv:2602.16826},
year = {2026}
}
备注
Accepted at the Workshop on Theory of Mind for AI (ToM4AI) at the 40th AAAI Conference on Artificial Intelligence (AAAI-26), Singapore, 2026